ナレッジセンター
目次

成都:AI外観検査システム

AI外観検査システムは、成都の新エネルギー電池産業において品質と効率を高めるための中核的な基盤になりつつあります。四川省の動力電池クラスターの中核を担う成都には、正極材料やセル製造からパック組立までの一貫したサプライチェーンがあり、電池製品は極めて高い一貫性と安全性を要求されるため、人手による外観検査ではラインの速度についていけなくなりました。このシステムが解決するのは、高速生産のもとで不良品を出荷前に止めることです。

I. AI外観検査の中核概念と定義

AI外観検査システムとは、マシンビジョンと深層学習アルゴリズムを組み合わせ、工業製品の表面や内部構造の欠陥を自動で検出・分類するハードウェアとソフトウェアの一体型ソリューションです。人手による外観検査や、あらかじめ設定したしきい値に依存する従来のルールベースのマシンビジョンを置き換えるものであり、後者は電極塗工の浅い傷や溶接部のポロシティのようにばらつきの大きい欠陥を見逃しやすいという限界があります。AI外観検査の本質的な違いは、大量の欠陥サンプルでモデルを学習させ、何を異常とみなすかをシステム自身が学び、ラインのデータが蓄積されるにつれて継続的に改善できる点にあります。新エネルギー電池業界では、電極塗工、圧延、スリット、巻回、溶接、注液、包装といった重要工程の後に、単独のステーションとして、あるいはインラインに組み込む形で導入されるのが一般的です。

II. 主要な機能モジュールと技術的なポイント

実際のAI外観検査システムは複数の層で構成されます。最下層は撮像であり、産業用カメラ、照明、レンズの選定が含まれます。電池のシート材料は反射率が高く、溶接部はコントラストが低いため、照明設計がアルゴリズム以上に性能の上限を決めることが少なくありません。その上は欠陥の検出と分類であり、畳み込みニューラルネットワークによるピクセル単位のセグメンテーションや領域分類を用いて、欠陥の種類、位置、大きさを出力します。さらに上は判定とトレーサビリティの層であり、MESと連動してOK/NG信号を発行し、セルごとに検査画像と結果を記録します。技術的なポイントは三つに集約されます。第一は少数サンプル学習で、立ち上げ初期は欠陥サンプルが乏しいためです。第二は推論速度で、インライン検査はミリ秒単位の応答を要求します。第三はモデルの説明可能性で、現場の技術者はなぜNGと判定されたのかを知る必要があります。一部のベンダーのソリューションはすでに欠陥サンプルの自動アノテーションとモデルの増分学習に対応しており、アルゴリズム技術者への依存を減らしています。

III. 新エネルギー電池における典型的な適用シナリオ

成都の動力電池セル工場が、電極スリット後のバリと粉落ちを検出する必要があるとします。強い照明のもとで顕微鏡を使って人手で抜き取り検査する方法は遅く、数点のサンプルしか確認できません。AI外観検査を導入すれば、CCDカメラが巻回前に電極エッジを連続撮像し、モデルがサイズしきい値を超えるバリをリアルタイムで識別して排出を作動させます。もう一つのシナリオはモジュール溶接です。電池パック工場では、レーザー溶接部のブローホール、ポロシティ、溶接のずれを確認する必要があります。同軸照明を用いれば、AIシステムは溶接後数秒で全数検査を完了しますが、従来は人手の目視と破壊抜き取りにより、フィードバックに数時間を要していました。第三は電池の外観検査で、アルミ外装の傷、端子の傾き、ブルーフィルム下の気泡などが対象です。これらの欠陥はばらつきが大きく、従来のビジョンでは列挙が困難ですが、AIのアプローチは欠陥合成や転移学習によって短期間で対応できます。

IV. 選定と導入のアドバイス

まず、撮像系が電池材料に合わせて調整されているかを確認してください。電極、セパレータ、アルミ外装は反射特性がまったく異なり、汎用的なビジョンソリューションは失敗することが多いためです。次にモデルの反復効率を見てください。品種切替や工程調整の後、新しい欠陥を一〜二日でアノテーションして配備できるのか、それともアルゴリズムチームの日程を待って数週間かかるのかという点です。第三に、既存のライン制御システムとの接続性を見てください。NG信号の遅延は排出の精度に直接影響します。導入にあたっては、電極スリットや溶接検査など単一工程で試験導入し、その後横展開してください。成都で15以上の業界、120社以上に提供してきた産業ソフトウェアの経験は参考になりますが、電池は特殊であり、欠陥基準は通常セルメーカーと自動車メーカーが共同で定めます。サプライヤーは汎用的な検査ツールを作るだけでなく、その基準の背後にある安全の論理を理解していなければなりません。

V. 今後の展望

今後二〜三年で、電池業界のAI外観検査は二つの方向に進みます。一つは抜き取りから全数検査へです。推論チップのコストが下がりモデルが軽量化するにつれ、すべてのラインのすべてのステーションでAI検査を行うことが当たり前になります。もう一つは単一モダリティからマルチモーダル融合へです。可視光にX線や赤外線を加え、それぞれ表面、内部、熱の欠陥に対応させ、融合判定によって見逃し率をさらに下げます。成都の電池生産能力はなお拡大を続けており、検査の自動化に対するニーズは単なる省人化ではなく、品質データを工程最適化にフィードバックすることにあります。検査結果が塗工や圧延のパラメータ調整を閉ループで動かすようになって初めて、AI外観検査はコスト項目から価値項目へと真に転換します。

分野: スマート工場百科